人工智能在外汇领域的应用研究
2021-04-09中国人民银行太原中心支行周卫峰
中国人民银行太原中心支行 周卫峰
近年来,国内金融科技发展迅猛,为金融业带来前所未有新机遇的同时,也为金融监管带来了巨大的挑战。在此背景下,人工智能、大数据、云计算等新技术手段的应用,为监管当局实现更加高效的监管提供了可能。因此,加强人工智能等新技术在外汇管理领域的应用研究,使外汇监管能够更加适应金融科技的飞速发展,具有重大的现实意义。本文介绍了外汇领域应用人工智能的必要性,分析了人工智能在外汇领域应用的基础条件,最后,基于外汇市场“宏观审慎 + 微观监管”两位一体框架提出了人工智能在外汇领域应用的一些思考。
1 人工智能技术概述
1.1 人工智能的概念
人工智能(Artificial Intelligence,AI)是以机器为载体所展示出来的人类智能,其一般是通过普通的计算机程序来呈现人类的智能技术。人工智能具备综合性、技术性和专业性等特点,涉及各个领域,涉及范围非常广泛。它的核心在于能够建立与人相似甚至超越人的学习、推理、使用工具等能力。人工智能最初的诞生是为了降低人力与物力成本,随着其迅速发展并渐渐被广泛认可,它逐渐从计算机学科的一个分支演变为一门独立的学科,并被列为二十一世纪三大顶尖技术之一。人工智能未来会是产业竞争的核心,将对一个国家的竞争力和综合实力起着关键性的作用。随着人工智能核心算法的突破,运算能力的提高以及海量数据的支撑,其在与众多领域逐渐深度融合的同时,还促进了相应领域的发展,将对社会进步产生深远影响。
1.2 人工智能技术的应用
人工智能在国内外的研究及应用正如火如荼,国际上人工智能被用于对金融机构和上市公司的经营及财务表现的监管,美国证监会利用人工智能处理分析注册申请人填报的非结构化数据,从多维度对申请人的行为进行分析和预测,并将信息反映到风险等级中。以人工智能为核心的投资咨询迅速发展,通过建立相应的学习机制,运用自主学习、模拟推理及决策技术,大幅提高了资产配置、投资决策以及跨境投融资等方面的效率及精准度。国内互联网金融科技公司在人工智能应用领域也抢占了领先优势,阿里巴巴旗下蚂蚁金服将人工智能技术应用于小额贷款、保险及资产配置等领域,取得了良好的效果。同时,传统银行机构对用户信贷资质评估需求的增加,推动了人工智能技术在风险控制领域的发展。通过神经元网络、知识图谱、机器学习、大数据分析等多项技术搭建一套成体系的风控系统,用于客户背景调查(Know-your-customer,KYC)、信用评估、信贷审批、贷后催收等环节,大幅提高了各个流程的效率,改善了客户体验,并在使用过程中不断根据数据反馈迭代模型以增加准确度。
2 外汇领域应用人工智能的必要性
人工智能正在改变着人们的行为习惯,与人工智能技术相关的金融业务创新不断涌现,不论是模式创新还是资本投资创新,客观上要求金融监管措施,需与人工智能技术的发展相适应。随着某些互联网金融企业的规模直逼传统大型金融机构,运用人工智能技术的业务与日俱增,这些现实情况的复杂性,金融监管部门在确认金融创新行为的合规性上变得越来越难,尤其是在很多情况下,创新合规与不合规的界限不清晰,金融监管面临着新的挑战。
近年来,外汇局在强化科技治理、推动技术和业务融合发展、推进监管数据整合、建立跨境资金流动监测体系、优化外汇科技基础设施和技术运维、提高信息系统安全管理等方面取得了明显成效,为推进外汇管理改革,落实便利化政策,防范跨境资金流动风险和扩大对外开放提供了有力支持。随着国内外经济金融环境复杂性的加深,涉外企业行为多样性的加剧,以及外汇管理方式的转变,这些因素都对外汇管理部门宏观审慎管理、微观行为监管和跨境资金异常流动风险预判等能力提出了更高的要求。同时,外汇管理领域数据信息存在体量大、来源多、关联复杂等特点,也对数据价值的有效利用提出了更大的挑战。人工智能、大数据、云计算等新技术手段在外汇管理领域的应用,将会大幅提升监管的效率和精准度,以及外汇管理科学决策的水平,成为外汇形势“把得准”、跨境风险“防得住”、违规行为“看得见”的根本保障。
3 人工智能在外汇领域应用基础
外汇局信息化经过多年的发展,沉淀了海量有价值的数据信息。由于受外汇局业务管理条线化,以及外部数据共享不够广泛深入等因素的限制,数据的一致性与多样性,距离智能外管的实施还有一定差距。因此,加大数据治理力度,是人工智能在外汇领域应用的基础。
3.1 外汇监管数据的现状
目前,外汇局履职所需的数据主要有外汇局内部日常监管数据、金融机构外汇业务数据和外部监管部门共享数据三类数据,具有多来源、多结构、多形式等特点,基本满足了外汇局日常管理需要。但也存在一些问题,比如,外汇局内部日常监管数据存在业务系统之间数据统计口径不一致、关联程度不高、整合深度不够的情况。金融机构外汇业务数据主要由界面方式和接口方式采集,直接从金融机构核心系统采集的数据不多,存在统计数据与真实交易数据不一致现象。外部监管数据涉及人行、海关、税务等多个部门,目前仅采集到海关、税务部门企业进出口业务相关数据,与其它监管部门的数据共享仍采用传统的人工方式进行。
3.2 数据治理是人工智能应用基础
要加快内部数据整合,制定统一的数据标准,打破业务条线障碍,清除数据壁垒,建立起以数据为核心,跨部门的数据管理框架,统筹外汇局内部数据的采集、治理和整合利用。要不断扩大数据源,银行体系内庞大的数据资源,尚未得到充分利用,可以利用人工智能技术,在数据授权使用的前提下,将外汇管理数据采集模型嵌入银行端核心业务系统,扩大外汇管理数据源采集范围,使采集数据更加全面。还可扩大数据源至商务部、市场监管局等国家部委,采用统一数据接口实现部门间数据共享,减少人工成本,提升数据质量。最终将来源各异的数据进行数据清洗,形成全方位、多维度的的数据仓库,为人工智能的应用创造良好的数据环境。
4 人工智能在外汇领域应用思考
外汇管理与人工智能的深度融合是发展的必然趋势。在外汇市场“宏观审慎 + 微观监管”两位一体框架下,探索运用人工智能技术,深入挖掘数据资源价值,发挥科技支撑作用,实现更高智能化水平的外汇管理。
4.1 宏观外汇风险预警
完善跨境资金流动系统性风险监测指标体系,在此基础上,充分发挥人工智能自组织计算能力和推理能力,借助非监督学习和神经网络技术对跨境收支历史数据进行全方位深入学习,从巨量复杂的历史数据中挖掘关联关系,建立风险管理模型,针对可能的跨境资金流动风险进行逆周期调控,防范由跨境资金流动导致的系统性风险发生。
4.2 银行业务风险防范
运用Python构建智能化的银行业务风险监测分析平台,全面自动监测识别风险,在此基础上可根据不同的风险等级对银行实施差异化分类管理。建立银行审慎经营评估规则数据库,借助专家系统和数据挖掘技术分析银行运行的整体指标,更好评估其外汇业务经营风险,根据形势进行逆周期调节,有效降低发生系统性风险的概率,提升外汇市场的抗风险能力。
4.3 微观异常行为监管
随着金融科技的迅猛发展,原先基于关联性数据库管理体系的传统监管手段,已经无法适应新形势下外汇微观监管需要。随着人工智能等新技术的不断完善,人工智能的应用已成为实现更高水平外汇微观监管的助推器。借助人工智能机器学习技术,采用聚类分析方法将微观监管主体聚集成多个类别,对各个类别的特征进行分析画像,针对不同的特征实施不同的监管措施。引入人工智能知识图谱技术对海量监管数据进行深入分析,穿透各类外汇交易的表面真实性,精准识别异常交易行为,有效防范和打击市场主体的违规违法行为,维护外汇市场平稳运行。